文章列表-AI魔法学院

文章列表

2万字大模型调研：横向对比文心一言、百川、Minimax、通义千问、讯飞星火、ChatGPT

思必驰是一家专注于智能语音交互技术的企业，为各类智能硬件和软件提供全链路语音交互解决方案。

大模型调研

【语音领域-又双叒更新】阿里开源FunAudioLLM: 2大核心模型、5大亮点功能！效果炸裂！手把手带你理论+实战部署推理!

语音识别模型SenseVoice介绍 SenseVoice 是一个全面的语音基础模型，旨在执行各种语音理解任务，包括自动语音识别（ASR）、语言识别（LID）、语音情感识别（SER）和音频事件检测

asr tts 声音

Ilya认错，Scaling Law崩了？自曝SSI秘密技术路线取代OpenAI

因为要同时运行数百个芯片，这种超大参数模型的训练可能要花费数千万美元，系统太复杂还可能会出现硬件故障。

Scaling Law AI大模型

如何成为LLM提示词大师！「大语言模型的底层心法」

这是通过分析文档以查找主题、事件和描述的事实来完成的。

大模型提示词

OpenAI 无需向量化的 RAG 新架构设计范式剖析

第一、文件加载 (Document Loading) 系统首先加载一份长达 1000 多页的 PDF 格式法律文件（比如：《商标审判和上诉委员会程序手册 TBMP》）。

OpenAI RAG 架构

OmniVision - 968M：小巧精悍的视觉语言模型，释放多模态边缘计算强大潜能

模型架构基础组件协同：OmniVision - 968M的架构由三个关键部分组成。

OmniVision -968M 多模态模型

Agent四大范式 | 综述：全面理解Agent工作原理

该策略通过引入一个附加的记忆组件来提升规划能力，该组件中存储了各种宝贵信息，包括基本常识、历史经验、领域专业知识等。

Agent 大语言模型

从零开始用LangChain、Pinecone和LLMs搭建你自己的文档问答系统

2.3、适应性语义搜索组件可以轻松更新新的信息源或调整到不同的领域，使其更适应特定的用例或行业。

知识库 langchain

LLMOps框架Dify发布Workflow功能，RAG进入自由编排时代（附产品负责人分享PPT ）

另一方面，我们说workflow是一种过渡手段的原因是随着模型能力逐渐增强很多过去难以处理的问题都将解决，另外通过这种组件缝合的方式也在一定程度上导致了“缝合怪”的出现，系统整体稳定性会相对下降。

RAG 自由编排 Workflow

微软最强全自动数据可视化工具！现已开源

上传文件。

大模型

Stability AI推出视频生成模型Stable Video Diffusion

然而，需要注意的是，该模型目前处于“研究预览”阶段，使用者必须同意特定的使用条款，明确规定了其预期应用领域，如“教育或创意工具”等，同时禁止用于“真实事件或人物的表现”。

Video 视频创作 SD

语音克隆又又又又又升级了

目前还不支持中文，所以只能解决翻译软件朗读的结果如下：然后是替换声音风格：原始音频是系统提供的Alice，然后我们替换成一位中年男子在说话，声音轻松而亲切。

Meta 语音生成

60分钟吃掉ChatGLM2-6b微调范例~

如果网络不稳定，也可以手动从这个页面一个一个下载全部文件然后放置到一个文件夹中例如 'chatglm2-6b' 以便读取。

开源模型

ChatGLM3在线搜索功能升级

有兴趣的小伙伴可以进行尝试哦当然还可以在text-generation-webui中使用相同的功能，具体的text-generation-webui部署可以参考如何优雅的使用各类LLM，同样的，我们在项目文件夹中添加如下脚本

ChatGLM3 搜索

快手版Sora「可灵」开放测试：生成超120s视频，更懂物理，复杂运动也能精准建模

这一问题在短时间内可能无法彻底解决，但可以做的是，在总体硬件资源有限的条件下，尽可能地提高算力的运用效率。

可灵快手文生视频

<...57 58 59 606162 63 64 65 66 ...>

汇聚AI资讯，网罗AI文档，详解AI工具！

关于我们用户协议隐私条款商务合作：skillupvip

© 2023-2025 AI魔法学院

京ICP备20027199号-1